MASALAH HUBUNGAN ANTAR VARIABEL

(Teknik Analisa Korelasional)

A. PENGERTIAN KORELASI
Kata korelasi berasal dari bahasi inggris correlation, dalam bahasa indonesia sering
diterjemahkan dengan hubungan atau saling hubungan timbal balik.
Dalam ilmu statistik istilah korelasi diberi pengertian hubungan dua variabel atau lebih.
Hubungan antar dua variabel dikenal dengan istilah bivariate correlational, sedangkan
hubungan antar lebih dari dua variabel disebut multivariate correlational.
Hubungan antar dua variabel misalnya hubungan atau korelasi antara prestasi studi
(variabel X) dan kerajinan kulia (variabel Y); maksudnya prestasi studi ada hubungannya
dengan kerajinan kuliah. Hubungan antar lebih dari dua variabel, misalnya hubungan antara
prestasi studi (variabel X) dengan kerajinan kulia (variabel x1), keaktifan mengunjungi
perpustakaan (varibael x2) dan keaktifan berdiskusi (variabel x3).
Dalam contoh di atas, variabel prestasi studi disebut: dependen variable, yaitu variabel
yang dipengaruhi; sedangkan variabel kerajinan kuliah, keaktifan mengunjungi plerpustakaan
dan keaktifan berdiskusi disebut independent variable, yaitu variabel bebas dalam arti
mermacam-macam variabel lyang dapat memberikan pengatuh terhadap prestasi studi.

B. ARAH KORELASI
Hubungan antar variabel itu jika ditolak dari segi arahnya dapat dibedakan menjadi dua
macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah.
Hubungan yang bersifat searah diberi nama korelasi positif sedangkan hubungan yang
sifatnya berlawanan arah disebut korelasi negarif.
Disebut korelasi positif, jika dua variabel atau lebih yang berkorelasi, berjalan paralel
artinya bahwa hubungan antar dua variabel atau lebih itu menunjukan arah yang sama. Jadi
apabila variabel X mengalami kenaikan atau pertambahan , akan diikuti pula dengan kenaikan
atau pertambahan pada variabel Y; atau sebaliknya penurunan pada varibel X akan diikuti
pula dengan penurunan atau pengurangan pada variabel Y.
Contoh kenaikan harga bahan bakar minyak (BBM) diikuti dengan kenaikan ongkos
angkutan; sebaliknya jika harga BBM rendah maka ongkos angkutan pun murah (rendah).
Dalam dunia pendidikan misalnya, terdapat korelasi positif antara nilai hasil belajar
matematika dan nilai hasil belajar fisika, kimia, biologi dan sebagainya.

STATISTIK/KARYONO,S.Pd,M.PFis 1
 Disebut korelasi negatif jika dua variabel atau lebih berjalan dengan arah yang
berlawanan, bertentangan atau berkebalikan. Ini berarti bahwa kenaikan atau pertambahan
pada variabel X misalnya, akan diikuti dengan penurunan atau pengurangan pada variabel Y,
makin kurang dihayati dan diamalkannya ajaran agama Islam oleh para remaja akan diikuti
oleh makin meningkatnya frekunesi kenakalan remaja. Makin giat berlatih makin sedikit
kesalahan yang diperbuat oleh seseorang. Makin meningkatnya kedadaran hukum dikalangan
masyarakat diikuti dengan makin menurunya angka kejatahatan atau angka pelanggaran.
Pernyataan di atas jika dibuat bagan sebagai berikut:

Korelasi positif Korelasi Negatif

Var.X Var.Y Var.X Var.Y Var.X Var.Y Var.X Var.Y

C. PETA KORELASI
Arah hubungan variabel yang kita cari korelasinya, dapat kita amati melalui sebuah peta
atau diagram, yang dikenal dengan nama peta Korelasi. Dalam peta korelasi itu dapat kita
lihat pencaraan titik atau moment dari variabel yang sedang kita cari korelasinya; karena itu
peta korelasi juga disebut Scatter diagram (diagram Pencaraan titik). Ciri yang terkandung
dalam peta korelasi itu adalah:
1. Jika korelasi antara variabel X dan variabel Y merupakan korelasi positif maksimal,
atau korelasi positif tertinggi atau korelasi positif sempurna, maka pencaran titik yang
terdapat pada peta korelasi apabila dihubungkan antara satu dengan yang lain akan
membentuk garis lurus yang condong ke arah kanan (garis linier).

Diagram Korelasi Positif Maksimal

12

10 y=x
2
V ariab el Y

R =1
8

6
korelasi
4
Linear
2 (korelasi )
0
0 5 10 15
Variabel X

STATISTIK/KARYONO,S.Pd,M.PFis 2
2. Jika korelasi antara variabel X dan variabel Y merupakan korelasi Negatif maksimal,
atau korelasi Negatif tertinggi atau korelasi Negatif sempurna, maka pencaran titik yang
terdapat pada peta korelasi apabila dihubungkan antara satu dengan yang lain akan
membentuk garis lurus yang condong ke arah kiri (garis linier).

Diagram Korelasi Negatif Maksimal

12

10
V ariab el Y

8 korelasi

0
0 5 10 15
Variabel X

3. Jika korelasi antara variabel X dan variabel Y termasuk korelasi positif yang tinggi
atau kuat, maka pada peta korelasi pancaran titiknya sedikit mulai menjauhi garis linier,
yaitu titik tersebut terpencar atau berada disekitar garis tersebut dengan kecondongan ke
kanan.

Diagram Korelasi Positif

12

10
V a r ia be l Y

6
korelasi
4
Linear
(korelasi )
2

0
0 2 4 6 8 10 12

Variabel X

4. Jika korelasi antara variabel X dan variabel Y termasuk korelasi Negatif yang tinggi
atau kuat, maka pada peta korelasi pancaran titiknya sedikit mulai menjauhi garis linier,
yaitu titik tersebut terpencar atau berada disekitar garis tersebut dengan kecondongan ke
kiri.

STATISTIK/KARYONO,S.Pd,M.PFis 3
 Diagram Korelasi Negatif
12

10
V a r ia be l Y
8 korelasi

0
0 2 4 6 8 10 12

Variabel X

5. Baik korelasi positif maupun korelasi negarif dikatakan sebagai korelasi yang cukup
atau sedang dan korelasi rendah atau lemah, apabila pencaran titik pada peta korelasi itu
semakin jauh tersebar/ menjauih garis linier.

Diagram Korelasi Positif Lemah

12

10

8
Variabel Y

4
korelasi

2
Linear
(korelasi)
0
0 2 4 6 8 10 12
Variabel X

Diagram Korelasi Negatif Lemah

12

10
V a ria b e l Y

8
korelasi
6

0
0 2 4 6 8 10 12
Variabel X

D. ANGKA KORELASI
1. Pengertiannya
Tinggi- rendah, kuat-lemah atau besar kecilnya suatu korelasi dapat diketahui dengan
melihat besar- kecilnya suatu angka (koefisien) yang disebut Angka Indeks Korelasi atau
Coeffisient of Correlation.

STATISTIK/KARYONO,S.Pd,M.PFis 4
 Jadi angka indeks korelasi adalah sebuah angka yang dapat dijadikan petunjuk untk
mengetahui seberapa besar kekuatan korelasi di antara variabel yang sedang diselidiki
korelasinya.

2. Lambangnya
Angka korelasi diberi lambang dengan huruf tertentu, misalnya r xy sebagai lambang
koefisien korelasi pada teknik korelasi product Moment, ρ (baca:Rho) sebagai lambang
koefisien korelasi pada teknik tata jenjang, φ (baca Phi) sebagai lambang koefisien korelasi
pada teknik Phi, C atau KK sebagai lambang koefisien korelasi pada teknik korelasi
kontingensi dan lain-lain.

3. Besarnya
Angka korelasi besarnya berkisar antara 0 (nol) sampai dengan ±1,00 artinya bahwa angka
korelasi itu paling tinggi ±1,00 dan paling rendah 0, jika dalam perhitungan diperoleh angka
lebih dari ±1,00 hal itu merupakan petunjuk bahwa dalam plerhitungan tersebut telah terjadi
kesalahan.

4. Tandanya
Korelasi antara variabel X dan variabel Y disebut koefisien positif apabila angka indeks
korelasinya bertanda (+) dan sebaliknya apabila angka indeks korelasi antara variabel X dan
variabel Y bertada (-) disebut korelasi Negatif. Contoh rxy = +0,751 atau rxy = - 0,587
Antara variabel X dan variabel Y dikatakan tidak ada korelasinya jika angka indeks
korelasinya 0. perlu diingat bahwa tanda (+) dan (-) bukan merupakan tanda aljabar, dan tanda
mines tidak bisa diartikan bahwa angka tersebut besarnya kurang dari nol, sebab angka
korelasi yang paling kecil adalah nol.

5. Sifatnya
Angka indeks korelasi yang diperoleh dari proses perhitungan itu sifatnya relarif, yaitu
angka yang fungsinya melambangkan indeks hubungan antara variabel yang dicari
korelasinya. Jadi angka indeks korelasi itu bukanlah angka yang sifatnya eksak.

E. TEKNIK ANALISA KORELASIONAL, PENGERTIAN, TUJUAN DAN

PENGGOLONGANNYA.
1. Pengertiannya

STATISTIK/KARYONO,S.Pd,M.PFis 5
 Teknik analisa korelasional ialah teknik analisa statistik mengenai hubungan antar dua
variabel atau lebih.

2. Tujuannya
Teknik analisa korelasional memiliki tiga macam tujuan yaitu:
a. Ingin Mencari Bukti: apakah benar antara variabel satu dengan variabel yang lain
mempunyai korelasi.
b. Ingin menjawab pertanyaan: apakah hubungan antar variabel itu, hubungan yang kuat,
cukup atau lemah.
c. Ingin memperole kejelasan dan kepastian: apakah hubungan antar variabel itu
merupakan hubungan yang berarti atau meyakinkan atau tidak meyakinkan.

3. Penggolongannya
Teknik Analisa Korelasional dapat dibedakan menjadi dua golongan yaitu: Teknik
Analisa Korelasional Bivariat dan Teknik Analisa Korelasional Multivariat.
Teknik Analisa Korelasional Bivariat ialah teknik analisa korelasional yang mendasarkan
diri pada dua buah variabel. Contoh Korelasional antara prestasi belajar dalam bidang studi
Agama Islam (variabel X) dan sikap keagamaan (variabel Y). Adapun teknik analisa
korelasional Multivariat ialah teknik analisa korelasional yang mendasarkan diri pada lebih
dari dua variabel. Contoh Korelasi antara sikap keagamaan siswa (variabel X1) dengan
suasana keagamaan di lingkungan keluarga (variabel X2), Lingkungan keagamaan siswa
masyarakat (variabel X3), tingkat pengetahuan agama orang tua siswa (variabel X4) dan
prestasi belajar siswa dibidang studi Agama Islam (variabel X5).

4. Cara mencari Korelasi pada Teknik Analisa Korelasional Bivariat

Sebagai mana dikemukakan oleh Borg dan Gall dalam bukunya Educational Research,
terdapat 10 macam teknik perhitungan korelasi yang termasuk dalam teknik analisa
korelasional bivariat yaitu:
a. Teknik Korelasi Product Moment (Product Moment Correlation)
b. Teknik Korelasi Tata Jenjang (Rank Difference Correlational atau Rank Order
Correlational)
c. Teknik Korelasi Koefisien Phi (Phi Coefficient Correlation)
d. Teknik Korelasi Kontingensi (Contingency Coefficient Correlation)
e. Teknik Korelasi Point Biserial (Point Biserial Correlation)

STATISTIK/KARYONO,S.Pd,M.PFis 6
 f. Teknik Korelasi Biserial (Biserial Correlation)
g. Teknik Korelasi Kendal Tau (Kendalls’ Tau Correlation)
h. Teknik Korelasi Rasio (Correlation Ratio)
i. Teknik The Widespread Correlation.
j. Teknik Korelasi Tetrakorik (Tetrachoric Correlation)

Penggunaan teknik korelasi tersebut di atas akan sangat tergantung kepada jenis data
statistik yang akan dicari korelasinya, di samping pertimbangan atau alasan tertentu yang
harus dipenuhi.
Dalam buku ini hanya akan dikemukakan lima jenis teknik korelasi dari 10 macam teknik
korelasi yang telah disebutkan di atas, yaitu teknik korelasi pada nomor 1 sampai dengan 5.

F. TEKNIK KORELASI PRODUCT MOMENT

1. Pengertiannya
Product Moment Correlation atau lengkapnya Product of the moment correlation adalah
salah satu teknik untuk mencari korelasional antar dua variabel yang kerap kali digunakan.
Teknik korelasi ini dikembangkan oleh Karl Pearson, yang sering dikenal dengan istilah
Teknik Korelasi Pearson.
Disebut Product Moment Correlation karena koefisien korelasinya diperoleh dengan cara
mencari hasil perkalian dari moment-moment variabel yang dikorelasikan (product of the
moment).

2. Penggunaannya
Teknik korelasi product moment digunakan apabila berhadapan dengan situasi berikut:
a. Variabel yang kita korelasikan berbentuk gejala atau data yang bersifat kontinu.
b. Sampel yang diteliti mempunyai sifat homogen atau mendekati homogen.
c. Regresinya merupakan regresi linier.

3. Lambangnya
Kuat-lemah atau tinggi-rendahnya korelasi antar dua variabel yang sedang kita teliti, dapat
diketahui dengan melihat besar-kecilnya angka indeks korelasi yang diberi lambang ”r” atau
dengan menuliskan ke dua variabel ”rxy”.

4. Cara Mencarai Angka Indeks Korelasi Product Moment

STATISTIK/KARYONO,S.Pd,M.PFis 7
 Ada beberapa cara untuk mencari angka indeks korelasi product moment untuk data
tunggal dengan N kurang dari 30 yaitu:

a. Menghitung deviasi standarnya terlebih dahulu

rxy 
 xy
N .SDx.SDy

rxy = Angka Indeks Korelasi antara variabel X dan variabel Y

∑xy = Jumlah dari hasil perkalian antara deviasi sekor variabel X dan variabel Y
SDx = Deviasi Standar variabel X
SDy = Deviasi Standar variabel Y
N = Nomer of Cases.

b. Tanpa menghitung deviasi standarnya.

rxy 
 xy
  x   y 
2 2

rxy = Angka Indeks Korelasi antara variabel X dan variabel Y

∑xy = Jumlah dari hasil perkalian antara deviasi sekor variabel X dan variabel Y
Σx2 = Jumlah deviasi sekor X setelah terlebih dulu dikuadratkan
Σy2 = Jumlah deviasi sekor Y setelah terlebih dulu dikuadratkan

c. Memperhitungkan angka aslinya.

N  XY  (  X )(  Y )
rxy 
N  X 2

 (  X ) 2 N  Y 2  ( Y ) 2 
rxy = Angka Indeks Korelasi antara variabel X dan variabel Y
N = Number of Cases
ΣXY = Jumlah hasil perkalian antara sekor X dan sekor Y
ΣX = Jumlah seluruh sekor X
ΣY = Jumlah seluruh sekor Y

d. Memperhitungkan Mean-nya

STATISTIK/KARYONO,S.Pd,M.PFis 8
  XY  N .Mx.My
rxy 
 X 2

 N .Mx 2  Y 2  N .My 2 
rxy = Angka Indeks Korelasi antara variabel X dan variabel Y
N = Number of Cases
ΣXY = Jumlah hasil perkalian antara sekor X dan sekor Y

ΣX2, ΣY2 = Jumlah dari seluruh sekor variabel X dan Y, setelah terlebih dahulu
dikuadratkan
Mx, My = Mean dari sekor variabel X dan variabel Y
Mx2, My2 = Kuadrat dari Mean sekor variabel X dan variabel Y
ΣX2, ΣY2 = Jumlah dari sekor X dan Y setelah terlebih dahulu dikuadratkan

e. Memperhitungkan selisih deviasi dari variabel yang dikorelasikan

 x2   y2   d 2
rxy 
2 ( x 2 )( y 2 )

rxy = Angka Indeks Korelasi antara variabel X dan variabel Y

Σx2 = Jumlah deviasi sekor X setelah terlebih dulu dikuadratkan
Σy2 = Jumlah deviasi sekor Y setelah terlebih dulu dikuadratkan
Σd2 = Jumlah selisih antara deviasi sekor variabel X dan deviasi variabel Y setelah
dikuadratkan terlebih dahulu. Atau Σ(x-y)2.

f. Memperhitungkan selisih dari angka kasarnya atau angka aslinya.

rxy 
 
N  X 2   Y 2  ( X  Y ) 2  2(  X )(Y )
2 N  X 2
 ( X ) 2
 N  Y 2
 ( Y ) 2 
rxy = Angka Indeks Korelasi antara variabel X dan variabel Y
N = Number of Cases
ΣX2, ΣY2 = Jumlah dari seluruh sekor variabel X dan Y, setelah terlebih dahulu
dikuadratkan.
(ΣX)2, (ΣY)2 = Jumlah dari seluruh sekor variabel X dan Y, setelah itu dikuadratkan.
(X-Y)2 = Kuadrat dari selisih antara sekor variabel X dan sekor variabel Y

Cara untuk mencari angka indeks korelasi product moment untuk data tunggal dan data
kelompok dengan N lebih dari 30 yaitu dengan rumus:

STATISTIK/KARYONO,S.Pd,M.PFis 9
  x' y '
 (Cx ' )(Cy ' )
rxy  N
( SDx' )( SDy ' )
rxy = Angka Indeks Korelasi antara variabel X dan variabel Y
N = Number of Cases
Σx’y’ = Jumlah hasil perkalian silang antara frekuensi sel (f) dengan x’ dan y’
 fx '
Cx’, Cy’ = Nilai korelasi pada variabel X dan variabel Y dengan rumus Cx '  dan
N

 fy '
Cy ' 
N
SDx’, SDy’ = Deviasi standar sekor X dan Ydalam arti tiap sekor sebagai 1 unit (dimana i= 1)

5. Cara memberikan Interprestasi terhadap Angka Indeks Korelasi ”r” product moment.
Ada dua cara untuk memberikan Interprestasi terhadap angka indeks korelasi yaitu:
a. Memberikan Interprestasi terhadap Angka Indeks Korelasi secara kasar atau
sederhana.
Besarnya r product
Interprestasi
momen (rxy)
0.00 – 0,20 Antara variabel X dan variabel Y terdapat korelasi, akan
tetapikorelasi itu sangat lemah atau sangat rendah sehigga
korelasi itu diabaikan (dianggap tidak ada korelasi antara
variabel X dan variabel Y)
0,20 – 0,40 Antara variabel X dan variabel Y terdapat korelasi yang
lemah atau rendah.
0,40 – 0,70 Antara variabel X dan variabel Y terdapat korelasi yang
sedang atau cukup.
0,70 – 0,90 Antara variabel X dan variabel Y terdapat korelasi yang
kuat atau tinggi
0,90 – 1,00 Antara variabel X dan variabel Y terdapat korelasi yang
sangat kuat atau sangat tinggi.

b. Memberikan Interprestasi terhadap Angka Indeks Korelasi secara lebih teliti yaitu
dengan mengkonsultasikan nilai r pada tabel statistik.
1. Merumuskan Hipotesis alternatif dan Hipotesis nihil atau hipotesis nol. Hipotesis
alternatif: terdapat korelasi yang signifikan antara variabel X dan variabel Y.

STATISTIK/KARYONO,S.Pd,M.PFis 10
 2. Menguji kebenaran atau kepalsuan dari hipotesis yang diajukan. Jika ”r” hasil
perhitungan lebih besar dari ”r” pada tabel maka Ha diterimadan Ho di tolak jadi bisa
disimpulkan ” terdapat korelasi yang signifikan antara variabel X dan Y. Dan
sebaliknya. Terlebih dahulu mencari derajat kebebasan (db) atau degress of
freedomnya (df) dengan rumus : df = N – nr ; df adalah degress of freedom; N adalah
Number of Cases dan nr adalah banyaknya variabel yang akan dikorelasikan yaitu 2.

Contoh Perhitungan Product Momen:

A. Menghitung deviasi standarnya terlebih dahulu
Untuk mengetahui apakah secara signifikan terdapat korelasi positif antara nilai hasil
belajar mahasiswa di Fakultas (variabel X) dan nilai hasil belajar mereka pada waktu berada
di SMA.

Tabel: nilai hasil belajar mahasiswa di Fakultas (variabel X) dan nilai hasil belajar mereka
pada waktu berada di SMA.
Mean Nilai hasil ujian Mean Nilai STTB
No urut Semester di Fakultas di SLTA
Nama (X) (Y)
1 A 65 75
2 B 58 56
3 C 72 66
4 D 69 64
5 E 76 69
6 F 67 62
7 G 62 59
8 H 56 58
9 I 68 61
10 J 60 71
11 K 64 74
12 L 62 72
13 M 72 63
14 N 65 67
15 O 63 65
16 P 66 76
17 Q 58 59
18 R 65 73
19 S 74 78
20 T 60 72

STATISTIK/KARYONO,S.Pd,M.PFis 11
Tabel: Rekapitulasi nilai hasil belajar mahasiswa di Fakultas (variabel X) dan nilai hasil
belajar mereka pada waktu berada di SMA.

NO NAMA X Y x y xy x2 y2
1 A 65 75 0 8 -1 0 64
2 B 58 56 -7 -11 78 50 121
3 C 72 66 7 -1 -7 48 1
4 D 69 64 4 -3 -12 15 9
5 E 76 69 11 2 22 119 4
6 F 67 62 2 -5 -10 4 25
7 G 62 59 -3 -8 25 10 64
8 H 56 58 -9 -9 82 83 81
9 I 68 61 3 -6 -17 8 36
10 J 60 71 -5 4 -20 26 16
11 K 64 74 -1 7 -8 1 49
12 L 62 72 -3 5 -16 10 25
13 M 72 63 7 -4 -28 48 16
14 N 65 67 0 0 0 0 0
15 O 63 65 -2 -2 4 4 4
16 P 66 76 1 9 8 1 81
17 Q 58 59 -7 -8 57 50 64
18 R 65 73 0 6 -1 0 36
19 S 74 78 9 11 98 79 121
20 T 60 72 -5 5 -26 26 25
N = 20 Jumlah 1302 1340 0 0 230 582 842
M 65.1 67

rxy 
 xy
N .SDx.SDy

Mencari SDx dan SDy terlebih dahulu:

x 2 y 2
SDx  dan SDy 
N N

582 842
SDx   29.09 = 5.39 ; SDy   42.1 = 6.49
20 20

rxy 
 xy
N .SDx.SDy

230
rxy   0,3287  0,33
20.(5,39)(6,49)
B. anpa menghitung deviasi standarnya.

rxy 
 xy
  x   y 
2 2

230 230 230

rxy     0,328613  0,33
 582 842  489875,5 699,9111

C. Memperhitungkan angka aslinya.

STATISTIK/KARYONO,S.Pd,M.PFis 12
 N  XY  (  X )(  Y )
rxy 
N  X 2

 (  X ) 2 N  Y 2  ( Y ) 2 

NO NAMA X Y XY X2 Y2
1 A 65 75 4875 4225 5625
2 B 58 56 3248 3364 3136
3 C 72 66 4752 5184 4356
4 D 69 64 4416 4761 4096
5 E 76 69 5244 5776 4761
6 F 67 62 4154 4489 3844
7 G 62 59 3658 3844 3481
8 H 56 58 3248 3136 3364
9 I 68 61 4148 4624 3721
10 J 60 71 4260 3600 5041
11 K 64 74 4736 4096 5476
12 L 62 72 4464 3844 5184
13 M 72 63 4536 5184 3969
14 N 65 67 4355 4225 4489
15 O 63 65 4095 3969 4225
16 P 66 76 5016 4356 5776
17 Q 58 59 3422 3364 3481
18 R 65 73 4745 4225 5329
19 S 74 78 5772 5476 6084
20 T 60 72 4320 3600 5184
  Jumlah 1302 1340 87464 85342 90622
  M 65.1 67      

20 x87464  (1302)(1340)
rxy 
 20 x85342  (1695204) 20 x90622  (1795600)
1749280  1744680
rxy 
1706840  (1695204)1812440  (1795600)
4600 4600 4600
rxy     0,328613  0,33
11636 x16840 195950240 13998,22

D. Memperhitungkan Mean-nya
 XY  N .Mx.My
rxy 
 X 2

 N .Mx 2  Y 2  N .My 2 
87464  20(65,1)(67)
rxy 
85342  20 x(65,1) 90622  20 x(67) 
2 2

87464  87234
rxy 
 85342  84760,2 90622  89780
230 230 230
rxy    0,3286131  0,33
(581,8) 842 489875,6 699,91114

STATISTIK/KARYONO,S.Pd,M.PFis 13
E. Memperhitungkan selisih deviasi dari variabel yang dikorelasikan
 x2   y2   d 2
rxy 
2 ( x 2 )( y 2 )

NO NAMA X Y x y xy x2 y2 x-y (x-y)2

1 A 65 75 0 8 -1 0 64 -8 66
2 B 58 56 -7 -11 78 50 121 4 15
3 C 72 66 7 -1 -7 48 1 8 62
4 D 69 64 4 -3 -12 15 9 7 48
5 E 76 69 11 2 22 119 4 9 79
6 F 67 62 2 -5 -10 4 25 7 48
7 G 62 59 -3 -8 25 10 64 5 24
8 H 56 58 -9 -9 82 83 81 0 0
9 I 68 61 3 -6 -17 8 36 9 79
10 J 60 71 -5 4 -20 26 16 -9 83
11 K 64 74 -1 7 -8 1 49 -8 66
12 L 62 72 -3 5 -16 10 25 -8 66
13 M 72 63 7 -4 -28 48 16 11 119
14 N 65 67 0 0 0 0 0 0 0
15 O 63 65 -2 -2 4 4 4 0 0
16 P 66 76 1 9 8 1 81 -8 66
17 Q 58 59 -7 -8 57 50 64 1 1
NO NAMA X Y x y xy x2 y2 x-y (x-y)2
18 R 65 73 0 6 -1 0 36 -6 37
19 S 74 78 9 11 98 79 121 -2 4
20 T 60 72 -5 5 -26 26 25 -10 102
  Jumlah 1302 1340 0 0 230 582 842 0 964
  M 65.1 67              

582  842  964 460 460

rxy     0,3286  0,33
2 (582)(842) 2 489876 1400

F. Memperhitungkan selisih dari angka kasarnya atau angka aslinya.

rxy 
 
N  X 2   Y 2  ( X  Y ) 2  2(  X )(Y )
2 N  X 2

 (  X ) 2 N  Y 2  ( Y ) 2 
NO NAMA X Y XY X2 Y2 (X-Y) (X-Y)^2
1 A 65 75 4875 4225 5625 -10 100
2 B 58 56 3248 3364 3136 2 4
3 C 72 66 4752 5184 4356 6 36
4 D 69 64 4416 4761 4096 5 25
5 E 76 69 5244 5776 4761 7 49
6 F 67 62 4154 4489 3844 5 25
7 G 62 59 3658 3844 3481 3 9
8 H 56 58 3248 3136 3364 -2 4
9 I 68 61 4148 4624 3721 7 49
10 J 60 71 4260 3600 5041 -11 121
11 K 64 74 4736 4096 5476 -10 100
12 L 62 72 4464 3844 5184 -10 100
13 M 72 63 4536 5184 3969 9 81
14 N 65 67 4355 4225 4489 -2 4
15 O 63 65 4095 3969 4225 -2 4

STATISTIK/KARYONO,S.Pd,M.PFis 14
 16 P 66 76 5016 4356 5776 -10 100
17 Q 58 59 3422 3364 3481 -1 1
18 R 65 73 4745 4225 5329 -8 64
19 S 74 78 5772 5476 6084 -4 16
20 T 60 72 4320 3600 5184 -12 144
Jumlah 1302 1340 87464 85342 90622 1036
M 65.1 67

20 85342  90622  1036  2(1302)(1340)

rxy 
2  20(85342)  (1695204) 20(90622)  (1795600)

3498560  3489360 9200 9200

rxy     0,3286  0,33
2 1163616840 2 195950240 27996,44549

Dari hasil perhitungan dengan menggunakan berbagai rumus menghasilkan nilai yang
sama yaitu rxy = 0,33 dan dikonsultasikan ke tabel adalah sebagai berikut: derajat kebebasan
df= 20 – 2 = 18 didapatkan rt = 0,44 dengan taraf signifikan 5% dan rt = 0,561dengan taraf
signifikan 1%, jadi Ha ditolak dan Ho diterima kesimpulannya ” tidak ada korelasi antara nilai
hasil belajar mahasiswa di Fakultas (variabel X) dan nilai hasil belajar mereka pada waktu
berada di SMA.

G. TEKNIK KORELASI TATA JENJANG

1. Pengertian
Teknik korelasi tata jenjang ini, besar kecil atau kuat lemahnya korelasi antara
variabel yang sedang kita selidiki korelasinya, diukur berdasarkan perbedaan urutan
kedudukan sekornya, data ordinal atau berjenjang. Misalnya: Siswa yang IQ-nya menempati
jenjang paling tinggi, juga menempati jenjang paling tinggi dalam hal prestasi belajar PAI;
siswa yang IQ-nya paling rendah, prestasi belajar PAI menempati jenjang yang plaing rendah.
Siswa Jenjang IQ Jenjang Studi PAI
A 5 5
B 1 1
C 3 3
D 2 2
E 4 4

2. Penggunaan
Teknik analisa korelasional Tata Jenjang ini dapat efektif digunakan apabila subyek
yang dijadikan sampel dalam penelitian lebih dari sembilan tetapi kurang dari tigapulu; N

STATISTIK/KARYONO,S.Pd,M.PFis 15
antara 10 – 29, karena itu apabila N sama dengan atau lebih dari 30 sebaiknya jangan
digunakan teknik korelasi ini.

3. Lambang
Angka indeks korelasinya dilambangkan dengan huruf ρ (Rho) yang besarnya berkisar
antara 0,00 sampai dengan ±
4. Rumus
Untuk mencari perhitungan ρ digunakan rumus sebagai berikut:
6 D 2
  1
N ( N 2  1)

ρ = Angka indeks korelasi tata jenjang

6 dan 1 = Bilangan konstan
D = Difference, yaitu perbedaan antara urutan sekor pada variabel pertama (R)
dan urutan sekor pada variabel kedua (R2) jadi D = R1 – R2.
N = Number of Cases.

5. Cara Memberikan Interprestasi terhadap Angka Indeks Korelasi Tata Jenjang.

Untuk memberikan Interprestasi terhadap angka indeks korelasi tata jenjang, seperti
halnya Poduct Moment, yaitu dibuat terlebih dahulu Hipotesis alternatif dan Hipotesis Nol-
nya, kemudian dikonsultasikan ke tabel dengan taraf signifikan 5% atau 1% dengan df = N.

Contoh: Cara mencari Angka indeks korelasi tata jenjang: ada tiga macam cara mencari Rho
yaitu :
a. dalam keadaan tidak terdapat urutan yang kembar
b. dalam keadaan urutan yang kembar dua
c. dalam keadaan urutan yang kembar tiga atau lebih.

Dari masing-masing cara dapat diberikan contohnya sebagai berikut:

a. dalam keadaan tidak terdapat urutan yang kembar
Sejumlah 10 orang Mahasiswa yang dikenal sebagai toko penting organisasi eksta universiter
di STAIMA ditetapkan sebagai sampel dalam penelitian yang antara lain bertujuan untuk
mengetahui, apakah memang secara signifikan terdapat korelasi positif antara keaktifan
mereka dalam berorganisasi eksta universiter dan prestasi studi mereka di jurusan.

STATISTIK/KARYONO,S.Pd,M.PFis 16
Tabel: Sekor Tentang Keaktifan dalam Organisasi Ekstra Universiter dan Sekor Tentang
Prestasi Studi dari sejumlah 10 Orang Mahasiswa Pada Jurusan

Sekor Rank
Nomor Keaktifan dalam Mean Prestasi
Nama D D2
Urut Organisasi eksta Studi RI RII
(I) (II)
1 A 37 63 3 8 -5 25
2 B 41 45 7 1 6 36
3 C 38 60 4 7 -3 9
4 D 44 50 10 3 7 49
5 E 35 65 1 10 -9 81
6 F 43 52 9 4 5 25
7 G 40 55 6 5 1 1
8 H 42 47 8 2 6 36
9 I 36 64 2 9 -7 49
10 J 39 59 5 6 -1 1
N=10 - - - - - ΣD2=312

Dari tabel yang sudah dibuat kemudian dimasukkan ke dalam rumus berikut:
6 D 2
  1
N ( N 2  1)

6(312) 1872 1872

  1  1  1  1  1,981  0,891
10(10  1)
2
10(100  1) 990

Dari perhitungan terdapat tanda minus yang berarta bahwa terjadi korelasi negatif yaitu,
semakin aktif seorang mahasiswa dalam organisasi tersebut diikuti semakin menurunnya
prestasi belaja di jurusan. Kemudian hasil tersebut dikonsultasikan ke tabel dengan df = N =
10 didapatkan dengan taraf signifikan 5% sebesar 0,648 sedangkan pada taraf signifikan 1%
didapatkan 0,794. dengan demikian Rho pada perhitungan jauh lebih besar dari Rho pada
tabel, dapat disimpulkan ” terdapat korelasi negatif yang signifikan antara keaktifan
berorganisasi dengan prestasi belajar di jurusan.”

STATISTIK/KARYONO,S.Pd,M.PFis 17
b. dalam keadaan urutan yang kembar dua
Tabel: Sekor Tentang Keaktifan dalam Organisasi Ekstra Universiter dan Sekor Tentang
Prestasi Studi dari sejumlah 10 Orang Mahasiswa Pada Jurusan

Sekor Rank
Nomor Keaktifan dalam Mean Prestasi
Nama D D2
Urut Organisasi eksta Studi RI RII
(I) (II)
1 A 37 63 3 8 -5 25
2 B 41 45 7 1 6 36
3 C 38 (59) 4 (6,5) -2,5 6,25
4 D (43) 50 (9,5) 3 6,5 42,25
5 E 35 65 1 10 -9 81
6 F (43) 52 (9,5) 4 5,5 30,25
7 G 40 55 6 5 1 1
8 H 42 47 8 2 6 36
9 I 36 64 2 9 -7 49
10 J 39 (59) 5 (6,5) -1,5 2,25
N=10 - - - - - ΣD2=309

Dengan menggunakan rumus yang sama yaitu :

6 D 2
  1
N ( N 2  1)

6(309) 1854 1854

  1  1  1  1  1,873  0,873
10(10  1)
2
10(100  1) 990

Dari perhitungan terdapat tanda minus yang berarta bahwa terjadi korelasi negatif yaitu,
semakin aktif seorang mahasiswa dalam organisasi tersebut diikuti semakin menurunnya
prestasi belaja di jurusan. Kemudian hasil tersebut dikonsultasikan ke tabel dengan df = N =
10 didapatkan dengan taraf signifikan 5% sebesar 0,648 sedangkan pada taraf signifikan 1%
didapatkan 0,794. dengan demikian Rho pada perhitungan jauh lebih besar dari Rho pada
tabel, dapat disimpulkan ” terdapat korelasi negatif yang signifikan antara keaktifan
berorganisasi dengan prestasi belajar di jurusan.”

c. dalam keadaan urutan yang kembar tiga atau lebih

Perhitungan Rho dalam keadaan urutan yang kembar lebih dari tiga dalam hal ini harus di cari
harga MR yaitu Mean dari urutan yang kemgar, dan Re yaitu Rank dari urutan yang kembar
dengan rumus sebagai berikut:

STATISTIK/KARYONO,S.Pd,M.PFis 18
 a
MR  ; Dengan Σa jumlah angka urutan yang sama dan n jumlah angka yang sama.
n

n2 1
Re  MR 2 
12
Jika sudah ketemu nilai MR dan Re nya yang termuat dalam tabel, baru menggunakan rumus
Rho yaitu:
6 D 2
  1
N ( N 2  1)

Contoh: didapatkan data sebagai berikut

Tabel: Sekor Tentang Keaktifan dalam Organisasi Ekstra Universiter dan Sekor Tentang
Prestasi Studi dari sejumlah 10 Orang Mahasiswa Pada Jurusan

Sekor Rank
Nomor Keaktifan dalam Mean Prestasi
Nama D D2
Urut Organisasi eksta Studi RI RII
(I) (II)
1 A 37 (55) 3 6,2 -3,2 10,24
2 B (41) 45 8,6 1 7,6 57,76
3 C 38 (55) 4 6,2 -2,2 4,84
4 D (41) 50 8,6 3 5,6 31,36
5 E 35 65 1 10 -9 81
6 F (41) (55) 8,6 6,2 2,4 5,76
7 G 40 (55) 6 6,2 -0.2 0,04
8 H (41) 47 8,6 2 6,6 43,56
9 I 36 64 2 9 -7 49
10 J 39 (55) 5 6,2 -1,2 1,44
N=10 - - - - - ΣD2=285

Dengan menggunakan rumus yang sama yaitu :

6 D 2
  1
N ( N 2  1)

6( 285) 1710 1710

  1  1  1  1  1,73  0,73
10(10  1)
2
10(100  1) 990

Dari perhitungan terdapat tanda minus yang berarta bahwa terjadi korelasi negatif yaitu,
semakin aktif seorang mahasiswa dalam organisasi tersebut diikuti semakin menurunnya
prestasi belaja di jurusan. Kemudian hasil tersebut dikonsultasikan ke tabel dengan df = N =
10 didapatkan dengan taraf signifikan 5% sebesar 0,648 sedangkan pada taraf signifikan 1%
didapatkan 0,794. dengan demikian Rho pada perhitungan taraf signifikan 5% lebih besar
dari Rho pada tabel dan Rho untuk taraf signifikan 1% lebih kecil dari tabel jadi dapat

STATISTIK/KARYONO,S.Pd,M.PFis 19
disimpulkan ” terdapat korelasi negatif yang signifikan dengan taraf 5% antara keaktifan
berorganisasi dengan prestasi belajar di jurusan.”

H. TEKNIK KORELASI PHI ( PHI COEFFISIEN CORELATION)

1. Pengertiannya
Teknik Korelasi phi adalah salah satu teknik analisa korelasional yang dipergunakan
apabila data yang dikorelasikan adalah data yang benar-benar dikotomi dengan istilah lain
variabel yang dikorelasikan itu adalah variabel diskrit murni ; misalnya laki-laki perempuan,
hidup mati.

2. Lambangnya
Besar- kecil kuat- lemah atau tinggi rendahnya suatu korelasi ditentukan oleh besarnya
nilai Phi dilambangkan dengan huruf Φ yang besarnya berkisar 0,00 sd 1.00

3. Rumusnya
a. Berdasarkan pada frekuensi dari masing-masing sel

b. Berdasarkan pada nilai proporsinya

c. Berdasarkan pada Kai Kuadrat
4. Cara memberikan interptestasi terhadap indeks korelasi phi.

STATISTIK/KARYONO,S.Pd,M.PFis 20